Wszystkie przewodniki po opcjach
Oddziel ewoluujący sygnał od sposobu jego obserwacji18 min czytania

Modele przestrzeni stanów i stany ukryte

Poznaj równania przejścia i pomiaru, filtrowanie, predykcję, wygładzanie, identyfikację oraz to, jak modele przestrzeni stanów przedstawiają zmieniające się sygnały finansowe.

Przygotowane przez Mark · Źródła pierwotne poniżej

Bezpośrednia odpowiedź

Model przestrzeni stanów oddziela zmieniający się, lecz nieobserwowany stan od zaszumionych pomiarów generowanych przez ten stan. Równanie przejścia opisuje, jak zmienia się stan ukryty; równanie pomiaru łączy go z obserwowanymi danymi. Predykcja wykorzystuje informacje dostępne przed nową obserwacją, filtrowanie aktualizuje stan za pomocą bieżącej obserwacji, a wygładzanie koryguje przeszłe stany na podstawie całej próby. Oszacowany stan zależy od modelu, a nie jest bezpośrednio odkrytą prawdą, dlatego identyfikacja, założenia o szumie, inicjalizacja i rewizje w czasie rzeczywistym muszą pozostać widoczne.

Obserwacje i stany pełnią różne role

Cena rynkowa jest obserwowana, podczas gdy cena efektywna, trend, zmienność lub premia za ryzyko mogą być traktowane jako stan ukryty.

Stan jest zwartym podsumowaniem potrzebnym do opisania dynamiki i prognozowania przyszłych obserwacji. Nie musi odpowiadać jednemu fizycznie mierzalnemu obiektowi.

Wybór stanu jest decyzją modelową. Nazwanie składnika resztowego „wartością fundamentalną” nie sprawia, że ta interpretacja ekonomiczna jest zidentyfikowana.

Dwa równania definiują reprezentację

Równanie przejścia przenosi stan z jednej daty do następnej przy użyciu bezwładności, zmiennych sterujących i szumu procesu.

Równanie pomiaru odwzorowuje bieżący stan na obserwowane zmienne i dodaje szum pomiaru lub krótkotrwałe zaburzenia.

Macierze zmieniające się w czasie mogą reprezentować zmieniające się ekspozycje, brakujące obserwacje, strukturę sezonową lub znane interwencje bez zmiany podstawowej logiki.

Predykcja, filtrowanie i wygładzanie wykorzystują różne informacje

Predykcja jednokrokowa szacuje następny stan lub obserwację na podstawie danych do czasu t−1. Jest prawdziwym priorem w czasie rzeczywistym.

Filtrowanie warunkuje się na obserwacjach do czasu t i aktualizuje bieżący stan. Wygładzanie wykorzystuje późniejsze obserwacje do korekty wcześniejszego stanu.

Wygładzony wykres historyczny może wyglądać czyściej niż cokolwiek dostępnego na żywo. Backtesty nie powinny zastępować filtrowanych w czasie rzeczywistym stanów stanami wygładzonymi.

Identyfikacja poprzedza obliczenia

Różne rotacje stanów, skale lub dekompozycje mogą generować ten sam obserwowany rozkład. Bez ograniczeń etykiety i jednostki składników ukrytych nie są unikalne.

Ustalenie ładunków, wariancji, znaków lub kolejności stanów może zidentyfikować reprezentację, ale każde takie ograniczenie ma znaczenie ekonomiczne.

Bliska nieidentyfikowalność pojawia się jako płaskie funkcje wiarygodności, niestabilne parametry i stany, które gwałtownie zmieniają się przy małych zmianach specyfikacji.

Wariancje szumu kontrolują ekstrakcję sygnału

Szum procesu określa, jak szybko może poruszać się stan ukryty. Szum pomiaru określa, jak bardzo obserwacja może odchylać się od tego stanu.

Wysoki stosunek szumu procesu do szumu pomiaru daje stan reagujący; niski stosunek prowadzi do gładszego stanu. Jest to oszacowany kompromis, a nie kosmetyczne ustawienie.

Jeżeli oba zaburzenia pochłaniają tę samą zmienność, ich wariancje mogą być słabo zidentyfikowane. Pomóc mogą wiele pomiarów lub ograniczenia strukturalne.

Estymacja pozostawia dowody diagnostyczne

Liniowe modele gaussowskie często wykorzystują filtr Kalmana do obliczania błędów predykcji i ich wariancji, tworząc wiarygodność innowacji.

Standaryzowane innowacje nie powinny wykazywać systematycznej autokorelacji ani przewidywalnej wariancji. Pozostałe wzorce wskazują na pominiętą dynamikę lub strukturę obserwacji.

Wartości odstające, ciężkie ogony, nieliniowości i zmiany parametrów mogą zniekształcać stany. Metody odporne, nieliniowe, niegaussowskie lub symulacyjne zmieniają także założenia, a nie tylko obliczenia.

Składniki finansowe zmieniają się w czasie

Modele przestrzeni stanów mogą rozdzielać krzywą dochodowości na czynniki ukryte, szacować zmienną w czasie betę lub odróżniać cenę efektywną od szumu mikrostruktury.

Mogą także przedstawiać stochastyczną zmienność, ukrytą płynność lub powoli zmieniającą się oczekiwaną stopę zwrotu, pod warunkiem że obserwacje zawierają wystarczająco dużo informacji.

Elastyczna dekompozycja nie jest dowodem przyczynowym. Każdy składnik ukryty dziedziczy wybory pomiaru i ograniczenia przejścia użyte do jego zdefiniowania.

Wyraźnie przedstaw niepewność w czasie rzeczywistym

Gdy rewizja historyczna ma znaczenie, raportuj zarówno ścieżki filtrowane, jak i wygładzone, wraz z niepewnością stanu, a nie jedną linią.

Podaj równania, jednostki, ograniczenia, rozkład początkowy, kowariancję szumu, metodę parametrów, sposób traktowania brakujących danych i początek prognozy.

Oceniaj prognozy kroczące i rewizje. Model, który pięknie wyjaśnia całą historię, może nadal źle oszacować bieżący stan na końcu próby.

Częste pytania

Czy stan ukryty jest rzeczywistą, lecz ukrytą zmienną ekonomiczną?

Niekoniecznie. Jest to zdefiniowana przez model reprezentacja, która może, ale nie musi, wspierać określoną interpretację ekonomiczną.

Jaka jest różnica między filtrowaniem a wygładzaniem?

Filtrowanie wykorzystuje dane dostępne do bieżącego czasu; wygładzanie koryguje ten stan przy użyciu obserwacji, które pojawiły się później.

Dlaczego wariancje szumu mają tak duże znaczenie?

Określają, czy nowe obserwacje są interpretowane głównie jako ruch stanu, czy jako tymczasowe zaburzenie pomiaru.

Czy modele przestrzeni stanów radzą sobie z brakującymi obserwacjami?

Tak. Aktualizację pomiaru można pominąć lub dostosować, gdy brakuje danych, a przejście stanu nadal przebiega.

Źródła i dalsza lektura

Szybki test

Przeczytano? Sprawdź się w 3 pytaniach

1 / 3

Pytanie 01

Które stwierdzenie najlepiej odpowiada temu przewodnikowi — Obserwacje i stany pełnią różne role?

Wybierz odpowiedź, aby zobaczyć wyjaśnienie

Słownik opcji